Dokumentace ke službě Azure Machine Learning

Trénování a nasazování modelů strojového učení pomocí služby Azure Machine Learning Začněte s rychlými starty, prozkoumejte kurzy a spravujte životní cyklus ml pomocí osvědčených postupů MLOps.

Přehled

Přehled

• Co je Azure Machine Learning?
• Co je zodpovědná AI?

Nastavení a rychlý start

Rychlé zprovoznění

• Vytvoření zdrojů
• Začínáme se službou Azure Machine Learning

Začínáme se základy

Kurz

• Příprava a zkoumání dat
• Vývoj na cloudové pracovní stanici
• Učení modelu
• Nasazení modelu
• Nastavení opakovaně použitelného kanálu

Vytváření řešení AI

Rychlé zprovoznění

• Co je tok výzvy služby Azure Machine Learning?
• Začínáme s tokem výzvy

Práce s daty

Praktický průvodce

• Použití Apache Sparku ve službě Azure Machine Learning
• Vytváření datových prostředků

Trénování modelů

Praktický průvodce

• Spuštění trénování pomocí rozhraní příkazového řádku, sady SDK nebo rozhraní REST API
• Kanály sestavení z opakovaně použitelných komponent

Modely nasazení

Nasadit

• Zjednodušení nasazení modelu s využitím koncových bodů
• Bodování v reálném čase pomocí online koncových bodů

Správa životního cyklu ML (MLOps)

Praktický průvodce

• Sledování, monitorování, analýza trénovacích běhů
• Správa modelů, nasazení a monitorování

Zabezpečení pro projekty ML

Praktický průvodce

• Vytvoření zabezpečeného pracovního prostoru
• Připojení ke zdrojům dat
• Podnikové zabezpečení a zásady správného řízení

Referenční dokumenty

Reference

• Python SDK (v2)
• ROZHRANÍ příkazového řádku (v2)
• REST API
• Referenční informace o algoritmech a komponentách

Zdroje informací

Reference

• Upgrade na verzi 2
• Příklady kódu sady Python SDK (v2)
• Příklady kódu rozhraní příkazového řádku (v2)